Академический Документы
Профессиональный Документы
Культура Документы
RESUMEN
Contenido
DEDICATORIA .......................................................................................................................... 4
AGRADECIMIENTOS .............................................................................................................. 5
1. INTRODUCCION ................................................................................................................ 6
1.1 Antecedentes y Justificación .................................................................................... 7
1.2 Auspicio ........................................................................................................................ 8
1.3 Objetivos ...................................................................................................................... 8
1.3.1 Objetivo General ................................................................................................. 8
1.3.2 Objetivos específicos ......................................................................................... 8
2. MATERIALES Y METODOS ............................................................................................ 9
2.1 Ubicación geográfica del área de estudio ............................................................. 9
2.2 Morfometría de las cuencas.................................................................................... 11
2.3 Equipamiento y Medición ........................................................................................ 14
2.3.1 Precipitación ...................................................................................................... 15
2.3.2 Medición del caudal.......................................................................................... 15
2.3.3 Medición de datos climatológicos .................................................................. 16
2.4 Recopilación y procesamiento de datos ............................................................... 17
2.4.1 Topografía.......................................................................................................... 17
2.4.2 Suelos................................................................................................................. 19
2.4.2.1 Tipos de suelos ............................................................................................. 19
2.4.2.2 Grupos hidrológicos del suelo .................................................................... 22
2.4.3 Uso del suelo/Cobertura vegetal .................................................................... 23
2.4.4 Datos hidrometeorológicos ............................................................................. 24
2.4.4.1 Precipitación .................................................................................................. 25
2.4.4.2 Datos Meteorologicos .................................................................................. 29
2.4.5 Caudales ............................................................................................................ 31
3. MODELOS HIDROLOGICOS ......................................................................................... 34
3.1 Una Visión General sobre los Modelos ................................................................. 34
3.2 Clasificación de los modelos. ................................................................................. 35
3.3 Análisis de la modelización hidrológica semidistribuida ..................................... 37
3.3.1 SWAT ................................................................................................................. 37
3.3.2 TOPMODEL ...................................................................................................... 38
3.3.3 WEAP ................................................................................................................. 40
3.4 Selección del modelo semidistribuido ................................................................... 41
4. TOPMODEL ...................................................................................................................... 42
4.1 Objetivos de la Modelación ..................................................................................... 42
4.2 Un Modelo Perceptual de Producción de Escorrentía ........................................ 43
4.3 Un Modelo Conceptual de Producción de Escorrentía....................................... 44
4.3.1 La Organización del Almacenamiento en TOPMODEL.............................. 51
4.3.2 Curso del Canal y Estructura de las Sub-cuencas ...................................... 59
4.3.3 Derivando el Índice Topográfico..................................................................... 60
4.3.4 El concepto TOPMODEL y la Semejanza Hidrológica ............................... 62
4.3.5 Calibración del modelo .................................................................................... 65
4.4 Revisión Bibliográfica ............................................................................................... 68
4.4.1 Ejemplos de Aplicación y Resultados ........................................................... 69
4.4.2 Aplicación del TOPMODEL en micro-cuencas del páramo ....................... 76
5. RESULTADOS .................................................................................................................. 81
5.1 Calibración ................................................................................................................. 81
5.1.1 Cálculo del Índice Topográfico ....................................................................... 81
5.1.2 Ríos..................................................................................................................... 86
5.1.3 Retraso (Delay) ................................................................................................. 87
5.1.4 TopModel ........................................................................................................... 88
5.2 Validación ................................................................................................................ 108
6. CONCLUSIONES Y RECOMENDACIONES ............................................................. 112
6.1 Conclusiones ........................................................................................................... 112
6.2 Recomendaciones .................................................................................................. 113
7. BIBLIOGRAFIA ............................................................................................................... 115
8. ANEXOS .......................................................................................................................... 122
8.1 Datos de Precipitación ........................................................................................... 122
8.2 Datos Meteorológicos ............................................................................................ 126
DEDICATORIA
AGRADECIMIENTOS
Luego de haber realizado esta investigación, quiero expresar mis más sinceros
agradecimientos primero a Dios, ya que sin El nada hubiera sido posible, y a
todas las personas que me ayudaron con el desarrollo del presente trabajo, mis
padres, amigos y de manera muy especial al Ing. Felipe Cisneros E. Ph.D,
director de la investigación y del PROMAS-U Cuenca.
5
UNIVERSIDAD DE CUENCA
1. INTRODUCCION
Por todos estos motivos se ha decido estudiar los diferentes tipos de modelos
hidrológicos como el SWAT, WEAP y TOPMODEL, y conociendo las ventajas y
desventajas de cada uno de ellos seleccionar uno que permita entender el
comportamiento hidrológico de las micro-cuencas en estudio.
1.2 Auspicio
1.3 Objetivos
2. MATERIALES Y METODOS
(2.1)
Donde:
Cc = Coeficiente de compacidad.
A = Área de la cuenca.
Pc= Perímetro de la cuenca.
(2.2)
Donde:
Re= Relación de elongación.
Lc= Longitud del cauce principal de la cuenca.
A = Área.
La ecuación 2.2, es la más extendida para calcular este índice debido a la alta
correlación que guarda con la hidrología de la cuenca. Valores cerca a la
unidad implicará formas redondeadas y cuanto menor sea a la unidad, será
más alargada (González, 2004).
Factor de Forma (F): Este factor fue propuesto por Horton (1945) donde
relaciona el área de la cuenca y la longitud de la misma. En este sentido,
valores inferiores a la unidad indican cuencas alargadas y aquellos cercanos a
uno, son redondeadas. Se expresa con la ecuación:
(2.3)
Donde:
A= Área de la cuenca.
L2= Longitud de la cuenca.
Tamaño de la
Descripción
cuenca (km2)
Menores de 25 Muy Pequeña
25 a 250 Pequeña
250 a 500 Intermedia Pequeña
500 a 2500 Intermedia Grande
2500 a 5000 Grande
Mas de 5000 Muy Grande
Tabla 2.5. Clasificación propuesta para el tamaño de cuencas
(Campos, 1992)
Según esta tabla, las cuencas en estudio, Ortigas, Río Grande Marianza
Pajonal y Marianza Pinos, están clasificadas como Muy Pequeñas.
ALTURA
NOMBRE UTMx UTMy TIPO
(m.s.n.m.)
Marianza: PT1 708862 9684685 3438,7 Pluviógrafo
Marianza: PT2 709221 968439 3621.7 Pluviógrafo
Marianza: PP1 709876 9684662 3375.7 Pluviógrafo
Suscalpamba 715448 9729676 2737 Pluviógrafo
Potrerillos 716951 9733039 2963 Pluviógrafo
Chilchil 710239 9730236 2841 Pluviógrafo
Ortigas 713818 9732708 2330 Pluviógrafo
Marianza: Pajonal 709611 9685452 2980 Est. Hidrográfica
Marianza: Pinos 710442 9684035 3240 Est. Hidrográfica
Ortigas 713907 9732284 2305 Est. Hidrográfica
Río Grande 713611 9731939 2220 Est. Hidrográfica
Marianza 708890 9684604 3454 Est.
Chontamarca 712446 9731058 2254 Est.
Tabla 2.6. Equipos instalados
Área de Influencia
Micro-cuenca Pluviógrafos
de Pluviógrafos
Ortigas Ortigas 100%
Ortigas 45%
Río Grande Potrerillos 48%
Suscalpamba 7%
Pinos 80%
Marianza Pinos
Pajonal 2 20%
Pajonal 1 75%
Marianza Pajonal
Pajonal 2 25%
Tabla 2.7. Red de Pluviógrafos, y el área de influencia en cada micro-cuenca
2.3.1 Precipitación
2.4.1 Topografía
2.4.2 Suelos
La desecación del suelo provoca una retracción de los agregados que los hace
muy difíciles de volver a rehumectar; por esta razón la capacidad de retención
de agua puede reducirse hasta en un 60 % de la inicial. El suelo se convierte
en una masa polvorienta e hidrófoba con pérdida de sus mejores
características físicas.
(http://www.unex.es/edafo/FAO.htm).
MICRO CUENCAS
ORTIGAS RÍO GRANDE PAJONAL PINOS
Cambisol
Cambisol
Leptosol
Leptosol
Andosol
Andosol
Andosol
Andosol
DESCRIPCION
Grupo Hidrologico B C C B C C A A
Ks mm/h 231.47 28.7 26.2 231.47 28.7 26.2 44 19.55
AWC 0.25 0.15 0.26 0.25 0.15 0.26 0.3 0.2
Arena % 50 42 29 43 42 29 37 40
Limo % 35 43 42.3 43 43 42.3 36 35
Arcilla % 15 15 28.7 14 15 28.7 27 25
Roca % 0 0 2 0 0 2 0 0
Bulk Density gr/cm3 0.58 1.6 1.15 1.1 1.6 1.15 0.52 0.69
% Carbono = 0,58MO (%) 9.1 5.8 3.7 6.7 5.8 3.7 7.2 7.3
Tabla 2.9. Propiedades de los Suelos de las micro-cuencas en estudio
Fuente: Laboratorio de Hidrofísica de Suelos PROMAS.
Figura 2.13. Mapa de usos de suelos de las micro-cuencas de Ortigas y Río Grande
Figura 2.14. Mapa de usos de suelos de las micro-cuencas de Marianza Pajonal y Pinos
Micro-cuenca
Río Grande Ortigas Pajonal Pinos
Pastos 33.3 22 ---- ----
Bosque Montano 28.3 73.6 ---- ----
Chaparro (%) 38.4 4.4 ---- 13.42
Pajonal ---- ---- 100 ----
Pino ---- ---- ---- 86.48
Tabla 2.10. Distribucion de cobertura de suelos de las microcuencas
(2.4)
Donde A es la altura, que para ésta estación es igual a 2254 m.s.n.m., el valor
resultante de esta ecuación es una constante igual a 773.36 Kpa o 773.6 mbar.
2.4.4.1 Precipitación
En sentido estricto, correlación entre dos variables tan solo significa que ambas
variables comparten información, que comparten variabilidad, por esta razón es
factible utilizarlo para el relleno de información, ya que los datos de
precipitación de los diferentes pluviógrafos guardan entre ellos cierta relación.
La Tabla 2.11, muestra los valores de correlación entre los pluviógrafos para
las micro-cuencas de Ortigas y Río Grande, para realizar la correlación se
eliminaron los días sin datos.
Coeficientes de Correlacion
Pluviógrafos Ortigas Potrerillos Suscalpamba Chontamarca
Ortigas 1 0.890 0.857 0.930
Potrerillos 1 0.758 0.812
Suscalpamba 1 0.894
Chontamarca 1
Tabla 2.11. Correlación entre los pluviógrafos en Ortigas y Río Grande
Coeficiente de Correlacion
Pluviógrafos Pajonal 1 Pajonal 2 Pinos
Pajonal 1 1 0.953 0.946
Pajonal 2 1 0.963
Pinos 1
Tabla 2.12. Correlación entre pluviógrafos de Marianza
Coeficiente de Correlacion
Pluviógrafos Pajonal 1 Pajonal 2 Pinos Marianza
Pajonal 1 1 0.916 0.909 0.731
Pajonal 2 1 0.755 0.764
Pinos 1 0.755
Marianza 1
Tabla 2.13. Correlación entre pluviógrafos de Marianza
Con los datos rellenados se procedió a realizar las siguientes gráficas que
muestran la distribución de las precipitaciones calculada para una resolución
mensual.
20
Precipitación (mm)
15
10
0
oct/05 abr/06 oct/06 abr/07 oct/07 abr/08 oct/08 abr/09 oct/09
Fecha
Figura 2.15. Precipitación mensual para las micro cuencas de Ortigas y Río Grande
6
5
4
3
2
1
0
may-04 nov-04 may-05 nov-05 may-06 nov-06 may-07 nov-07 may-08 nov-08 may-09 nov-09
Fecha
8000
Precipitacion Acumulada (mm)
7000
6000
5000
4000
3000
2000
1000
0
dic-08
feb-05
abr-07
nov-07
ene-10
sep-05
oct-06
jul-09
jun-08
mar-06
ago-10
Fecha
7000
6000
Precipitacion Acumulada (mm)
5000
4000
3000
2000
1000
0
ene-04 may-05 oct-06 feb-08 jul-09 nov-10
Fecha
Chontamarca Marianza
9
17
15 8
13 7
11 6
9 5
7 4
5 3
3 2
may/2005 oct/2006 feb/2008 jul/2009 nov/2010 ene-04 may-05 oct-06 feb-08 jul-09 nov-10
Fecha Fecha
Chontamarca Marianza
600 400
350
Radiacion solar (W/m2)
Fecha Fecha
Chontamarca Marianza
10 2.00
9
Velocidad del viento (m/s)
1.80
8 1.60
7
1.40
6
1.20
5
4 1.00
3 0.80
2 0.60
1 0.40
0 0.20
may/2005 oct/2006 feb/2008 jul/2009 nov/2010 ene-04 may-05 oct-06 feb-08 jul-09 nov-10
Fecha Fecha
Chontamarca Marianza
22 19
17
20
15
Temperatura (ºC)
Temperatura (ºC)
18 13
16 11
9
14 T. max T. min
T. max T. min
7
12 5
3
10
ene-04 may-05 oct-06 feb-08 jul-09 nov-10
may/2005 oct/2006 feb/2008 jul/2009 nov/2010
Fecha
Fecha
Chontamarca Marianza
110 95
100 90
Humedad relativa (%)
90
Humedad relativa (%)
85
80
80
70
75
60
50 70
40 65
may/2005 oct/2006 feb/2008 jul/2009 nov/2010 ene-04 may-05 oct-06 feb-08 jul-09 nov-10
Fecha Fecha
2.4.5 Caudales
Los datos de caudal han sido medidos en la salida de cada micro cuenca, los
registros requeridos por la modelación son diarios. En las siguientes figuras se
puede apreciar los caudales registrados en las salidas de las micro cuencas en
estudio.
120
100
80
Caudal (l/s)
60
40
20
sep-08
sep-09
oct-05
oct-06
oct-07
may-09
may-10
feb-05
feb-06
feb-07
feb-08
ene-09
ene-10
jun-05
jun-06
jun-07
jun-08
Fecha
4000
3500
3000
2500
Caudal l/s
2000
1500
1000
500
0
sep-08
sep-09
oct-05
oct-06
oct-07
may-09
may-10
feb-05
feb-06
feb-07
feb-08
ene-09
ene-10
jun-05
jun-06
jun-07
jun-08
Fecha
De la Figura 2.21, se observa que Río Grande no presenta una regulación del
caudal y tiene valores muy bajos. La pérdida de datos se debe al daño en el
equipo de medición debido a los fuertes inviernos y a caudales altos
presentados.
110
100
90
80
70
Caudal (l/s)
60
50
40
30
20
10
sep-08
sep-09
sep-10
oct-03
oct-04
oct-05
oct-06
oct-07
may-09
may-10
feb-04
feb-05
feb-06
feb-07
feb-08
ene-09
ene-10
jun-04
jun-05
jun-06
jun-07
jun-08
Fecha
50
45
40
35
30
Caudal (l/s)
25
20
15
10
0
jul-05
jul-06
jul-07
jul-08
jul-09
jul-10
dic-03
ago-04
mar-05
mar-06
mar-07
mar-08
mar-09
mar-10
abr-04
nov-04
nov-05
nov-06
nov-07
nov-08
nov-09
Fecha
Micro-cuenca Qe
Ortigas 26.23
Río Grande 30.57
Marianza Pinos 9.32
Marianza Pajonal 14.96
2
Tabla 2.14. Caudal específico en lt/s/km de las micro-cuencas
3. MODELOS HIDROLOGICOS
Por otra parte, los modelos distribuidos consideran la variabilidad espacial que se
encuentran en varias variables del modelo. En general, cualquier discretización del
espacio se hace y por lo tanto cada elemento discreto puede ser tratado como un
punto que representa homogéneamente toda la zona. Modelos distribuidos más
realistas consideran también la existencia de la relación espacial entre elementos
vecinos (relación topológica).
Por último, los modelos pueden ser estáticos, cuando, con un conjunto de datos
de entrada se produce un resultado derivado de la solución de las ecuaciones del
modelo en un solo paso. Los modelos dinámicos utilizan el resultado de una
iteración como entrada para una próxima iteración.
3.3.1 SWAT
(3.1)
acumulada en la zona no saturada del perfil del suelo en el día i (mmH2O) y Qgw es
la cantidad de flujo de retorno en el día i (mmH2O) (Arnold., et al 1991).
Los principales componentes del modelo pueden ser ubicados en ocho principales
divisiones: hidrología, clima, sedimentación, temperatura del suelo, crecimiento de
cultivos, nutrientes, pesticidas y manejo de cultivos. Entre éstos, uno de los más
importantes es el que calcula los escurrimientos, ya que sirve de base para los
otros submodelos.
Aunque se han desarrollado métodos de campo para medir parámetros del suelo
(como la conductividad hidráulica), virtualmente todos los modelos requieren una
calibración para ajustar al menos algunos de sus parámetros (Sorooshian et al.,
1998). La calibración de un modelo de la naturaleza del SWAT consiste en lograr
un ajuste satisfactorio entre los escurrimientos observados y los calculados,
mediante el cambio en los valores de los parámetros de mayor influencia. Por su
parte, la validación del modelo consiste en medir su capacidad predictiva mediante
la comparación de los escurrimientos calculados y los observados con los
parámetros determinados en la fase de calibración pero en un período diferente
del utilizado en la calibración. Generalmente el ajuste entre escurrimientos
observados y calculados obtenido durante la validación es menos satisfactorio que
el obtenido en la calibración, pero es más representativo de la exactitud de las
predicciones que se hagan con el modelo (Palacios, 1986).
3.3.2 TOPMODEL
PARAMETRO DESCRIPCION
m: Parámetro del modelo
Chvel: Velocidad del tránsito en el canal
TO: Transmisitividad lateral
Srmax: Déficit de almacenamiento máximo
Srinit: Déficit de almacenamiento inicial
Tabla 3.1. Parámetros del TOPMODEL
Las simulaciones Monte Carlo (Beven, 2002) generan una gran cantidad de
conjuntos de parámetros escogidos aleatoriamente dentro de un rango de
parámetros determinados con anterioridad a partir de límites impuestos. Entonces
el modelo se corre con cada juego de parámetros y su eficiencia es calculada.
Este método exige mucho tiempo de formulación ya que son necesarias miles de
simulaciones, pero tiene la ventaja de que puede revelar múltiples juegos de
parámetros óptimos que no pueden ser detectados usando la clásica optimización
de parámetros.
3.3.3 WEAP
Evaluación del Agua y Planificación, ("Water Evaluation And Planning", WEAP, por
sus siglas en ingles), es una herramienta de modelación para la planificación y
distribución de agua que puede ser aplicada a diferentes escalas, desde pequeñas
zonas de captación hasta extensas cuencas.
4. TOPMODEL
Los conceptos siempre se han mantenido lo suficientemente simples para que las
estructuras del modelo utilizadas puedan ser modificadas con el objetivo de que
las predicciones sean lo más cercanas a las percepciones del modelador sobre el
comportamiento de la cuenca. La naturaleza distribuida de las predicciones puede
ser de gran ayuda en este sentido.
La tendencia general del agua a fluir hacia abajo es, sin embargo, susceptible de
una conceptualización a macro escala. Para el caso del flujo de la zona de
saturación, en suelos poco profundos relativos a la escala de ladera, este control
gravitacional debe resultar en un nivel freático casi paralelo a la topografía de la
superficie sobre gran parte de la longitud de la ladera, por lo menos cuando las
condiciones son suficientemente húmedas para que exista un flujo saturado.
Debe esperarse entonces que el agua fluya hacia abajo desde la pendiente fuerte
hacia pendientes poco pronunciadas y hacia áreas de convergencia de
pendientes.
Es claro, sin embargo, que los procesos de flujo superficial y sub-superficial son
muy complejos. El flujo superficial generado, ya sea por mecanismos de exceso
de infiltración o de saturación, puede darse a través de una capa vegetal, capa
orgánica, arroyos o canales efímeros. El flujo puede también re-infiltrarse
localmente. El flujo de exceso de saturación, el cual puede tener una contribución
del flujo de retorno, puede ser causado ya sea por el nivel freático que sube a la
superficie o por un lleno total de las capas superficiales del suelo, dando lugar a
una forma de capa freática impermeable. El área en donde el nivel freático alcanza
la superficie puede variar en el tiempo, causando que la fuente del flujo de exceso
de saturación sea dinámica. Similarmente, el área que contribuye la crecida de las
corrientes sub-superficiales puede variar en el tiempo. El flujo de la zona no
saturada puede ser altamente irregular, con una geometría compleja. Es
Donde:
To Transmisividad lateral cuando el suelo está apenas saturado (m 2/h).
S Déficit local de almacenamiento (m).
m Parámetro del modelo (m).
Beven (1984) ha proporcionado datos que sugieren que una caída exponencial
(vertical) en la conductividad del suelo con la profundidad puede ser adecuada
para describir los cambios verticales en las propiedades hidráulicas de una gran
variedad de suelos y ha demostrado (Beven, 1986a) que la función exponencial
equivalente de la transmisividad puede ser derivada bajo la creencia de isotropía
(posiblemente dudosa).
Donde:
z profundidad local del nivel freático (m).
ƒ parámetro de escala (m-1).
Donde:
Δθ1 cambio efectivo del contenido de agua por unidad de profundidad en la
zona no saturada, debido al rápido drenaje gravitacional.
Bajo la hipótesis A2 de una gradiente efectiva del nivel freático y flujo saturado
paralelo a la pendiente de la superficie local tanβ, entonces en cualquier punto i de
una ladera, la velocidad del flujo sub-superficial saturado qi por unidad de longitud
de contorno (m2/h) puede ser descrito por la siguiente ecuación.
(4.1)
Luego, ante la hipótesis A1, en cualquier intervalo de tiempo, existe a través del
suelo un estado de flujo cuasi-estacionario, y asumiendo una cuarta hipótesis:
(4.2)
Donde:
a es el área de la ladera por unidad de longitud de contorno (m 2) que drena a
través del punto i.
Al combinar las ecuaciones. (4.1) y (4.2) es posible derivar una fórmula para
cualquier punto relacionando la profundidad local del nivel freático con el índice
topográfico ln(a/tanβ) en ese punto, el parámetro f, la transmisividad local saturada
y la tasa de recarga efectiva, r.
(4.3)
Una expresión para la toda la cuenca, es decir, para la profundidad del nivel
freático ( ), puede obtenerse integrando a ecuación (4.3) para el área de la
cuenca (A), que contribuye al nivel freático.
(4.4)
(4.5)
(4.6)
(4.7)
(4.8a)
Donde
(4.9)
(4.8b)
La distribución espacial de a/tanβ (ver Figura 4.2) puede ser derivada desde un
análisis de un Modelo Digital de Elevación (DEM) de la cuenca (Quinn et.al.1991),
sin embargo aplicaciones iniciales del TOPMODEL tuvieron que confiarse sobre
mapas interpretados manualmente (Beven and Kirkby, 1979) o en funciones
analíticas de ladera. (Beven and Wood, 1983).
Figura 4.2. (A) Función de Distribución del Indice (a/tanβ) de la cuenca Maimai en Nueva
Zelanda. (B) Patrón de ln(a/tanβ) de la topografía de la cuenca Maimai.
Habrá un juego de almacenamientos para cada clase a/T otanβ (Figura 4.3¡Error! No
se encuentra el origen de la referencia.), de modo que haya un registro adecuado de la
variación prevista en profundidad del nivel freático en el curso del agua a través de
la zona no saturada. Aquí el almacenamiento de la zona de raíces tiene la misma
función de los almacenamientos de intercepción y evaporación de versiones
anteriores de TOPMODEL, a pesar de que puede ser necesario añadir un
almacenamiento adicional de intercepción y superficial, particularmente por las
copas de los árboles. La noción de una zona no activa de agua en el suelo refleja
el concepto de “capacidad de campo”. El flujo vertical desde la zona de raíces
hacia el nivel freático puede ocurrir en la zona de “drenaje gravitacional” cuando la
“capacidad de campo” sea satisfecha. Una conversión muy simple entre el déficit
de almacenamiento, debido al drenaje, y la profundidad del nivel freático asume
que el drenaje rápido gravitacional afecta solo a los poros más grandes, hasta la
“capacidad de campo” y que la diferencia en almacenamiento entre la saturación y
la “capacidad de campo” no cambia con la profundidad. Esto resulta en esta
simple escala lineal.
(4.10)
Donde:
θs Contenido de humedad da saturación.
θfc Contenido de humedad de “capacidad de campo”.
Δθ1 Porosidad de drenaje efectiva.
Ψo Profundidad efectiva de la franja capilar que supone que es la saturación.
Sivapalan (1987, 1990; Wood 1990) ha usado una formula más compleja de
conversión del déficit de almacenamiento en profundidad del nivel freático, en la
cual se asume que algunas características de humedad del suelo son conocidas y
que inicialmente un drenaje gravitacional completo mantiene el nivel freático. Esto
ha sido usado para definir condiciones iniciales, previo a simples simulaciones de
tormentas, pero introduce parámetros adicionales asociados con las funciones
características de la humedad del suelo (relaciones de Brooks-Corey en su caso
con más de tres parámetros) y, mientras una hipótesis supuesta matemática
conveniente es inconsistente con la suposición de que la posición del nivel freático
es controlada por una tasa de recarga constante.
La estructura básica del suelo mostrada en Figura 4.4 puede ser usada para
ilustrar una variedad de descripciones de los procesos en zonas no saturadas
según lo definido por el modelador. Beven (1991) nota la dificultad de predecir el
patrón espacial de flujo en la zona no saturada. Es particularmente difícil una
medición explícita por los efectos de la heterogeneidad local del suelo y la
macroporosidad (Beven y Germann, 1982). Actualmente no se dispone de una
descripción matemática adecuada del flujo no saturado en suelos estructurados
con parámetros que puedan ser identificados a una escala práctica de predicción,
Una mínima parametrización debe dar cuenta de los cambios en los flujos de
zonas no saturadas con el almacenamiento local de la zona no saturada y la
profundidad del nivel freático (o el déficit de almacenamiento), teniendo en cuenta
el hecho de que cualquier relación funcional puede ser altamente no lineal. Dos
fórmulaciones que han sido adoptadas en aplicaciones pasadas del TOPMODEL
han asumido que los flujos de zonas no saturadas son esencialmente verticales y
han sido expresados en términos de flujo de drenaje desde la zona no saturada.
Estas aproximaciones han usado ya sea un simple lapso de tiempo de
almacenamiento déficit-dependiente o una ecuación de flujo basado en la
conductividad. Ambos calculan un flujo de drenaje vertical qv para cada clase de
topografía.
(4.11)
Donde:
Suz Almacenamiento en la zona no saturada (drenaje gravitacional).
Si Déficit local de la zona saturada debido al drenaje gravitacional y
dependiente de la profundidad del nivel freático.
Una segunda fórmula propuesta por Beven (1986 a,b) fundamentada en el flujo de
Darcy, en base a una zona no saturada que, mediante una función exponencial de
conductividad, puede expresarse así:
(4.12)
Donde:
α Parámetro de la gradiente hidráulica vertical efectiva.
Ko Conductividad saturada en la superficie.
zi Profundidad local del nivel freático.
(4.13)
Donde:
Srz Déficit de almacenamiento de la zona de raíces.
Srmax Déficit máximo admisible de almacenamiento.
Donde:
θwp La humedad contenida en el punto de marchitez.
El flujo de agua que entra en el nivel freático es qv. Este drenaje es además un
componente de la recarga total de la zona saturada global. Para calcular el
balance promedio de agua de la cuenca, deben sumarse todas las recargas
locales. Si Qv es la recarga del nivel freático en cualquier intervalo de tiempo,
entonces:
(4.14)
Donde:
Ai Porción de área asociada con el índice topográfico clase i, como una
fracción del área total de la cuenca.
La salida de la zona saturada es dada por el término de flujo base Q b Este puede
ser calculado en un sentido distribuido por la sumatoria de los flujos sub-
superficiales a lo largo de cada m canal que alcanza la longitud l. Recordando la
ecuación 4.1 se puede escribir:
(4.15)
Por lo tanto
(4.16)
Donde:
A área total de la cuenca (m2)
Es por lo tanto posible calcular el flujo base en términos del nivel freático medio de
la cuenca ( ):
(4.17)
Donde
(4.18)
(4.19)
Figura 4.5. Curvas de recesión tipo para tres diferentes cuencas del Reino Unido graficando
1/Q versus el tiempo. Una línea recta indica correspondencia con la ecuación (4.17), la cual
puede ser una adecuada representación para estos casos.
(4.20)
La ecuación (4.17) se puede usar para la zona saturada al empezar la corrida del
programa. Si la descarga inicial se conoce y se asume que es solo el resultado del
drenaje de la zona saturada, la ecuación (4.17) puede ser modificada para dar
valores de .
(4.21)
Donde:
xi Longitud
tanβi Pendiente
Los efectos del encausamiento del canal fueron considerados por Beven y Kirkby
(1979) usando una aproximación basada en la velocidad promedio de la onda de
flujo para la red de canales, siendo relacionada de forma no lineal con el flujo de
salida total. La hipótesis fue una aproximación explícita de un algoritmo de
encausamiento de un canal de onda cinemática y no es recomendado, ya que no
es siempre estable. La mayoría de aplicaciones han sido basadas en un simple
algoritmo de onda de encausamiento de velocidad constante, aquivalente al
algoritmo basado en la función de ancho del canal usado por Surkan (1969),
Kirkby (1976) y Beven (1979, Beven y Wood, 1993), el cual tiene la ventaja que
introduce sólo un parámetro de velocidad de onda.
Figura 4.6. Producción de escurrimiento simulada normalizada como una función del área
media de la cuenca para cuatro intervalos de tiempo. Durante el evento del 4 de Agosto de
1987 en la cuenca de Kings Creek, Kansas
Sus resultados sugirieron una REA mínima para las condiciones simuladas del
orden de 1km2. Es importante señalar que no se sugiere que esta es la escala a la
cual una descripción global de parámetros puede ser utilizada; aún puede ser
necesario para representar la heterogeneidad de la producción de escorrentía a
escalas mayores que el REA, esto se puede hacer por medio de una función de
distribución o funciones de representación de esa variabilidad. Sivapalan (1987,
1990) ha tomado este concepto en la producción de una versión no-dimensional
de TOPMODEL en la que diferentes cuencas se pueden comparar en términos de
varios coeficientes de escala. La similitud de estos coeficientes debería implicar
similitud en la producción de escorrentía.
Estos resultados son, por supuesto, dependientes de la aceptación de que las
hipótesis en las que se basa el índice topográfico de TOPMODEL son realistas.
Estas hipótesis son, primeramente, que el área contribuyente en contra pendiente
se extiende hasta la divisoria de la ladera y que el nivel freático es paralelo a la
superficie del suelo. Sólo entonces es el índice fácil de calcular a partir del análisis
digital del terreno. Ya se ha indicado anteriormente cómo la transmisividad efectiva
del suelo se puede utilizar para modificar el índice, pero esto entonces requiere a
una información adicional que rara vez, o nunca, está disponible en una cuenca a
escala. Además, ambas hipótesis pueden estar equilibradas, pero también a
costa de requerir información adicional.
para las áreas saturadas medidas de la cuenca WC-4 del río “Sleepers”, Vermont
(Dunne, 1978). Merot (1988) y Merot y Bruneau (1993) han demostrado que el
índice topográfico puede ser un indicador útil de las zonas de humedales en los
paisajes de Bocage de Bretaña en Francia, mientras que Moore et al. (1988) han
mostrado cómo se pueden predecir las zonas potenciales de erosión.
Otros parámetros que pueden (en principio) ser estimados en el campo incluyen
perfiles de la transmisividad del suelo y la cantidad de agua disponible en la zona
de raíces. Para las aplicaciones tempranas de TOPMODEL, Beven y Kirkby (1979)
describieron el método del infiltrómetro de aspersión para la calibración de los
parámetros de la intercepción, del almacenamiento de infiltración, y de la
velocidad del flujo superficial. Estas técnicas fueron utilizadas por Beven (1984)
con razonable éxito en las aplicaciones a tres cuencas del Reino Unido. Estas
medidas son, sin embargo, fundamentalmente, de técnicas de medición “puntual”,
considerando que el modelo requiere ya sea valores efectivos en la escala de la
grilla o distribuciones ideales que reflejan la heterogeneidad espacial en la cuenca.
Las dificultades de muestreo, y la falta de una teoría de los valores efectivos de los
parámetros, suponen que tal heterogeneidad (así como las simplificaciones y
errores inherentes a la estructura del modelo) inevitablemente introducirán
incertidumbre en las predicciones del modelo.
Figura 4.7. Caudal Observado (línea continua) el 90% de la confianza de los límites de
predicción (línea punteada) para diferentes periodos de tormenta en la cuenca Maimai,
Nueva Zelanda
Figura 4.8. a.- Precipitaciones, descargas observadas (línea continua) y predicción de las
descargas (línea punteada). Para una simulación de validación de una fracción del registro
para la cuenca del río “Severn” en Plynlimon, Gales.
Sin embargo Durand, (1992) ha mostrado que TOPMODEL puede simular con
éxito las descargas en las cuencas de Mont-Lozère, en Cevennes, al sur de
Francia. Sempere - Torres (1990) y Wendling (1992) también han utilizado un
TOPMODEL basado en una función de producción de escorrentía para simular la
respuesta de las cuencas de Gardon D`Anduze y Réal Collobrier también en el sur
de Francia respectivamente. Muestran que la función de producción de escorrentía
puede utilizarse con éxito para fines de previsión de inundaciones después de la
calibración de un pequeño número de tormentas y demostró ser más sólido en la
validación, que otras funciones estudiadas.
que siempre deben ser tomados en cuenta en relación con el adecuado modelo de
percepción para una cuenca en particular.
Figura 4.9. A.- Curva media de frecuencia de inundaciones simulada en TOPMODEL.(± 1 std.
desv. derivados de 10 realizaciones de cada uno de los 14 años de datos) del río Wye,
Plynlimon, datos de descarga media horaria comparados con los picos observados sobre la
curva de umbral para los 14 años desde 1969 hasta 1982.
B.- Histogramas de frecuencia máximos simulados del área contribuyente para los picos de
inundación por encima de las tormentas umbrales de las 10 realizaciones usadas en A.
Como un modelo distribuido que puede hacer uso de los datos topográficos,
información sobre el suelo y la vegetación TOPMODEL se adapta bien a la
implementación con un Sistema de Información Geográfica (SIG). Aunque muchos
de los sistemas SIG no han tenido las facilidades para acoplar la modelación
interactiva y la visualización de los resultados de una simulación distribuida, un
número de tales implementaciones de TOPMODEL han sido realizadas. En
Lancaster, han estado involucrados en la vinculación de TOPMODEL al Sistema
de Información del Agua (WIS), desarrollado por el Instituto de Hidrología,
Wallingford y ICL Ltd (Romanowicz, 1993a, b). WIS puede acceder directamente a
la base de datos topográfica de 50 m para el Reino Unido, junto con datos de
lluvia y de descarga para sitios de aforo. La aplicación TOPMODEL puede, para
un punto seleccionado en la red fluvial, determinar la distribución adecuada del
índice topográfico, llevar a cabo la calibración de parámetros y un análisis de
sensibilidad incluyendo la GLUE (uncertainty estimation simulations) simulación de
incertidumbres en la estimación, en un procesador paralelo externo (por ejemplo
la Figura 4.10).
Hafren, Plynlimon, Gales. Se demostró que los resultados del modelo, son
equiparables con una interpretación de la mezcla de dos componentes del suelo
de las señales químicas en el corriente, siempre que el flujo generado en las áreas
saturadas contribuyentes, se asume que tiene una composición bien mezclada (ya
sea una mezcla de suelo orgánico y las aguas profundas o la química de la
precipitación media). Las posibilidades de inferir el comportamiento químico de
tales predicciones distribuidas todavía requiere más exploración y validación
interna.
El hecho de que puede haber alguna relación entre las características topográficas
de una cuenca y sus características químicas, con la conclusión de que esto se
debe a los efectos de la topografía en vías de flujo (preferenciales), también ha
sido explorado por Wolock, (1989,1990). En estudios de cuencas en el noreste de
Estados Unidos y Gales se mostro que la media de la distribución ln(a/tanβ) está
fuertemente relacionada con la acidificación de la cuenca. Las predicciones de
TOPMODEL de las áreas susceptibles a la saturación superficial también han sido
utilizadas en Gales para decidir las zonas para encalado (Waters, 1991).
T=To*exp(-S/m)
con límites entre –5.6 y –4.0. El modelo calcula valores de –3 a –0.15, cayendo
fuera del rango de los valores de mediciones de campo. Por lo tanto el modelo
indica que los experimentos y mediciones de campo (método de pozo invertido,
método de tensiómetroinfiltrómetro, método del núcleo de suelo) subestiman la
conductividad hidráulica del suelo.
Finalmente, la velocidad del agua en los cauces es muy estable entre todas las
diferentes simulaciones. Una velocidad de 750 m/h es muy lenta en comparación
con las estimaciones de campo. Esto también indica que muy probablemente
existe un tipo de “reservorio escondido”, donde el agua es almacenada y que no
está ni en la matriz de suelo ni en la red de drenaje, el cual se cree es fuertemente
relacionado con las grietas y macroporos.
5. RESULTADOS
5.1 Calibración
DEM[DEM==-9999] <- NA
sinkfill(DEM,res,degree)
Donde:
DEM: Una matriz que representa el modelo de elevación digital (m) con el mismo
tamaño de pixeles e igual resolución tanto en x como en y.
res: Resolución del modelo digital, esto depende de la topografía, para el caso de
Ortigas y Río Grande que se tiene una topografía 1:10000 se tomo una resolución
de 5x5m y para Marianza Pajonal y Marianza Pinos donde la topografía esta a una
escala de 1:25000 la resolución es de 10x10m.
degree: Pendiente mínima que debe mantenerse entre las células durante el
llenado.
Esta función (sinkfill) da como resultado una matriz de igual tamaño que la del
DEM.
En la Figura 5.2, se puede observar los DEM de cada micro-cuenca rellenados las
depresiones, también se puede apreciar las zonas más altas (celeste) y las zonas
más bajas (rosado).
Donde:
DEM: Una matriz que representa el modelo de elevación digital (m).
resolution: Resolución del modelo digital (m).
Esta función devuelve una lista con dos objetos, atb y el área. El primero es el
índice topográfico (a/tan b) y el segundo es el área acumulada (a).
make.classes(array,n)
Donde:
array: Un vector o una matriz numérica.
n: Número de clases a obtener.
5.1.2 Ríos
Para obtener los ríos de las cuencas a modelar, primero es necesario aplicar la
función subcatch, que identifica la cuenca hidrológica basada en un algoritmo de la
única dirección del flujo. Esta función se aplica de la siguiente manera:
subcatch (DEM,outlet)
Donde:
DEM: Una matriz que representa el modelo de elevación digital (m).
outlet: Un vector que contiene los índices de fila y columna del píxel que
representa la salida de la cuenca, estos valores se mostraron en la Tabla 5.2.
Aplicada esta función se procede a calcular los ríos de cada micro-cuenca, a partir
del DEM. Esta función identifica las células de la cabecera del río, basándose en
el índice topográfico y en el área acumulada.
river(DEM,atb,area,res,thatb,tharea)
Donde:
DEM: Una matriz que representa el modelo de elevación digital (m).
atb: Una matriz con los valores del índice topográfico generados por topidx.
area: Una matriz con los valores del área de drenaje generados por topidx.
res: Resolución del modelo digital (m).
thatb: Un inicio del índice topográfico de la células de la cabecera.
tharea: Un inicio del drenaje de las células de la cabecera.
Como resultado tenemos una matriz del mismo tamaño del DEM.
flowlength(DEM,outlet)
Donde:
DEM: Una matriz que representa el modelo de elevación digital (m).
outlet: Un vector que contiene los índices de fila y columna del píxel que
representa la salida de la cuenca.
Se obtiene una matriz del mismo tamaño del DEM.
hist(x, ...)
La función de histograma, lo que hace es a partir de los datos dados, que en este
caso es el flujo, genera un histograma.
cumsum(x)
Esta función devuelve un vector cuyos elementos son las sumas acumuladas,
productos, contenidos máximos o mínimos de los elementos del argumento, para
este caso es la suma acumulada del área.
5.1.4 TopModel
Es la implementación de la versión de TOPMODEL de Fortran 1995, por Keith
Beven.
Donde:
parameters: Un vector o matriz que contiene los parámetros de entrada.
topidx: Una matriz de dos columnas con su respectivo valor de la clase de índice
topográfico.
Delay: Función de retraso del flujo superficial.
Rain: Un vector con datos de lluvia.
ET0: Un vector con datos de evapotranspiración (m/dia).
verbose: Si esta seleccionada la opción “TRUE”, además de la descarga prevista,
también el flujo superficial, el flujo base, y la zona de almacenamiento.
Qobs: Si el caudal observado es dado, la salida normal se suprime y la eficiencia
de Nash-Sutcliffe es devuelta. (m/día).
Eficiencia de Nash-Sutcliffe
los datos observados, mientras que una eficacia menos de cero (- ∞<E<0) ocurre
cuando el medio observado es un predictor mejor que el modelo. Esencialmente,
cuanto más cercana la eficacia modelo está a 1, más exacto el modelo es.
Con valores mayores a 0.6 de este coeficiente se dice que se ha llegado a una
buena simulación, por lo que las simulaciones realizadas son satisfactorias.
Micro-cuenca
Ortigas Rio Grande Pajonal Pinos
qs0 3.03E-05 8.37E-05 1.74E-05 7.18E-05
lnTe 9.13 -0.49 -1.47 7.51
m 0.21 0.05 0.06 0.03
Sr0 0.46 -0.03 0.64 0.24
Srmax 0.31 0.01 0.06 0.36
td 1.46 2.33 0.51 2.33
vch 1090.23 1161.27 657.98 1161.27
vr 1299.71 1375.97 1012.64 1875.97
k0 6.09 6.36 1.28 6.36
CD 0.20 0.99 2.40 0.99
dt 24 24 24 24
Tabla 5.4. Parámetros de calibración del modelo para cada micro-cuenca
100
Qobs Qsim
80
Caudal (l/s)
60
40
20
0
sep-05 dic-05 mar-06 jul-06 oct-06 ene-07 abr-07 ago-07
Fecha
Figura 5.10. Caudal observado y simulado de la micro-cuenca Ortigas
2000
1500
Qobs Qsim
Caudal (l/s)
1000
500
0
nov-06 mar-07 jun-07 sep-07 ene-08
Fecha
Figura 5.11. Caudal observado y simulado de la micro-cuenca Río Grande
De las Figuras 5.10 y 5.11 se puede observar que los resultados de la calibración
son muy alentadores para las micro-cuencas de Ortigas y Río Grande, en las
cuales se ha obtenido un coeficiente de eficiencia de 0.85 y 0.76 respectivamente.
Se puede observar con facilidad que los picos que se tienen en el período de
invierno, no están adecuadamente simulados, mientras que los períodos de
verano son bien simuladas por el modelo, lo cual es de gran utilidad para el
manejo de los recursos hídricos.
100
80 Qobs Qsim
60
Caudal (l/s)
40
20
0
sep-05 dic-05 mar-06 jul-06 oct-06 ene-07 abr-07 ago-07
Fecha
Figura 5.12. Caudal observado y simulado de la micro-cuenca Marianza Pajonal
50
40 Qobs Qsim
Caudal (l/s)
30
20
10
0
oct-06 nov-06 ene-07 mar-07 abr-07 jun-07 ago-07 sep-07
Fecha
Figura 5.13. Caudal observado y simulado de la micro-cuenca Marianza Pinos
Ortigas
0.0045
0.004
Flujo Superficial (m/dia)
0.0035
0.003
0.0025
0.002
0.0015
0.001
0.0005
0
sep-05 dic-05 mar-06 jul-06 oct-06 ene-07 abr-07 ago-07
Fecha
Río Grande
0.012
Flujo Superficial (m/dia)
0.01
0.008
0.006
0.004
0.002
0
nov-06 mar-07 jun-07 sep-07 ene-08
Fecha
Pajonal
0.0035
Fecha
Pinos
0.0025
Flujo Superficial (m/dia)
0.002
0.0015
0.001
0.0005
0
oct-06 dic-06 feb-07 abr-07 jun-07 ago-07
Fecha
Ortigas
0.006
Flujo SubSuperficial (m/dia)
0.005
0.004
0.003
0.002
0.001
0
sep-05 dic-05 mar-06 jul-06 oct-06 ene-07 abr-07 ago-07
Fecha
Río Grande
0.02
Flujo SubSuperficial (m/dia)
0.018
0.016
0.014
0.012
0.01
0.008
0.006
0.004
0.002
0
nov-06 mar-07 jun-07 sep-07 ene-08
Fecha
De la Figura 5.16, se puede decir que tanto Ortigas como Río Grande tienen una
buena capa de suelos, ya que existe una regulación del flujo.
Pajonal
0.0045
Fecha
Pinos
0.0045
Flujo SubSuperficial (m/dia)
0.004
0.0035
0.003
0.0025
0.002
0.0015
0.001
0.0005
0
oct-06 dic-06 feb-07 abr-07 jun-07 ago-07
Fecha
Ortigas
Almacenamiento (m/dia) 3.2
2.8
2.6
2.4
2.2
sep-05 dic-05 mar-06 jul-06 oct-06 ene-07 abr-07 ago-07
Fecha
Río Grande
0.29
Almacenamiento (m/dia)
0.24
0.19
0.14
0.09
0.04
nov-06 mar-07 jun-07 sep-07 ene-08
Fecha
Pajonal
0.29
Almacenamiento (m/dia)
0.24
0.19
0.14
0.09
0.04
sep-05 dic-05 mar-06 jul-06 oct-06 ene-07 abr-07 ago-07
Fecha
Pinos
0.5
0.48
Almacenamiento (m/dia)
0.46
0.44
0.42
0.4
0.38
0.36
0.34
0.32
0.3
oct-06 dic-06 feb-07 abr-07 jun-07 ago-07
Fecha
Al igual que las otras dos micro-cuencas, como se puede observar en la Figura
5.19 Pajonal y Pinos, también tienen valores altos de almacenamiento, pero tienen
una mala regulación del flujo.
-4E-18
Fecha
Río Grande
Exceso de infiltración (m/dia)
-2.00E-18
Fecha
Pajonal
-2E-18
Fecha
Pinos
Exceso de infiltración (m/dia)
-2E-18
Fecha
Ortigas
0.005
Evapotranspiracion actual (m/dia)
0.0045
0.004
0.0035
0.003
0.0025
0.002
0.0015
0.001
0.0005
0
sep-05 dic-05 mar-06 jul-06 oct-06 ene-07 abr-07 ago-07
Fecha
Río Grande
0.005
Evapotranspiracion actual (m/dia)
0.0045
0.004
0.0035
0.003
0.0025
0.002
0.0015
0.001
0.0005
0
nov-06 mar-07 jun-07 sep-07 ene-08
Fecha
Pajonal
0.004
Fecha
Pinos
0.0035
Evapotranspiracion actual (m/dia)
0.003
0.0025
0.002
0.0015
0.001
0.0005
0
oct-06 dic-06 feb-07 abr-07 jun-07 ago-07
Fecha
5.2 Validación
Ortigas
180
160 Qsim Qobs
140
120
Caudal (l/s)
100
80
60
40
20
0
may-05 oct-06 feb-08 jul-09 nov-10
Fecha
Rio Grande
4000
3500 Qsim Qobs
3000
Caudal (l/s)
2500
2000
1500
1000
500
0
oct-06 abr-07 nov-07 jun-08 dic-08 jul-09 ene-10
Fecha
Pajonal
120
80
Caudal (l/s)
60
40
20
0
may-05 oct-06 feb-08 jul-09 nov-10
Fecha
Pinos
60
50 Qsim Qobs
40
Caudal (l/s)
30
20
10
0
mar-06 oct-06 abr-07 nov-07 jun-08 dic-08 jul-09 ene-10
Fecha
En las figuras 5.24 y 5.25 que muestran los gráficos de caudal observado y
simulado de las cuatro micro-cuencas en estudio, se aprecia fácilmente que los
resultados obtenidos corroboran con los coeficientes de eficiencia, ya que para las
cuencas de Ortigas y Río Grande a pesar de que los picos no se simulan de la
mejor manera, el flujo base que es el que nos interesa al momento del manejo de
recursos hídricos si se simula satisfactoriamente, esto nos indica que las
predicciones del modelo pueden ser utilizadas para la realización de cualquier tipo
de estudio.
6. CONCLUSIONES Y RECOMENDACIONES
6.1 Conclusiones
6.2 Recomendaciones
7. BIBLIOGRAFIA
Castillo R., Ortega N., 2009. Modelización Hidrológica de micro cuencas de alta
montaña con el modelo SWAT, Tesis PROMAS-U Cuenca, Ecuador.
Cisneros F., Coello C., Ramirez M., Pacheco E., Mora D., Cisneros P., De Bievre
B., Evidence-based Policy for Integrated Control of Forested River Catchments
in Extreme Rainfall and Snowmelt. 2006. Cuenca-Ecuador
Robinson, M.A. 2000. Geomorfología del sector ibérico valenciano entre los ríos
Mijares y Tina. Departamento de Geografía, Universidad de Valencia, España.
217 p.
Horton, R.E. 1945. Erosional development of streams and their drainaje basins:
hydrophysical approach to quantitative morphology. Geol. Soc. America Bull.
56: 275-280.
Fernando Oñate Valdivieso, Galo Aguilar Naranjo, 2003. Aplicación del modelo
SWAT para la estimación de caudales y sedimentos en la cuenca alta del rio
Catamayo. Arequipa-Peru.
Beven, K J. 1984, Infiltration into a class of vertically non-uniform soils, Hydrol. Sci.
J., 29,425-434.
Beven, K J. 1987 a, Towards a New Paradigm in Hydrology, Water for the Future:
Hydrology in Perspective, IASH Publication No.164; 393-403.
Beven, K J and Germann, P. 1982 Macropores and Water Flow in Soils, Water
Resour. Res. 18(5),1311-1325.
Clark, C O. 1945 Storage and Unit Hydrograph, Trans. Am. Soc. Civ. Engrs.,
110;1416-1446
Famiglietti, J S and Wood, E F. 1991 Evapotranspiration and runoff from large land
areas: land surface hydrology for atmospheric genera1 circulation models.
Surv. Geophys., 12,179-204.
Martha Elena Carrillo Serrano 118
UNIVERSIDAD DE CUENCA
Jones, A J J, 1986, Some limitations of the a/s index for predicting basin wide
patterns of soil water drainage, Z. Geomorph., NF, Suppl. Band 60, 7-20.
Kirkby, M J, 1976, Tests of the random network model and its application to basin
hydrology, Earth Surface Processes, I, 197-212.
Quinn, P F and K J Beven, 1993, Spatial and temporal predictions of soi1 moisture
dynamics, runoff, variable source areas and evapotranspiration for Plynlimon,
rnid- Wales, Hydrol. Process., 7,425-448.
Wood, E.F., Sivapa1an, M., Beven, K J, and Band, L. 1988 Effects of Spatial
Variability and Scale with implications to Hydrologica1 Mode11ing, J. Hydrol.
102, 29-47.
8. ANEXOS
Chontamarca
180
160 Rellenados Medidos
140
Precipitación (mm)
120
100
80
60
40
20
0
feb-05 feb-06 ene-07 ene-08 dic-08 dic-09 nov-10
Fecha
Potrerillos
120
Rellenados Medidos
100
Precipitación (mm)
80
60
40
20
0
feb-05 feb-06 ene-07 ene-08 dic-08 dic-09 nov-10
Fecha
Suscalpamba
120
60
40
20
0
feb-05 feb-06 ene-07 ene-08 dic-08 dic-09 nov-10
Fecha
Ortigas
160
140 Rellenados Medidos
Precipitación (mm)
120
100
80
60
40
20
0
feb-05 feb-06 ene-07 ene-08 dic-08 dic-09 nov-10
Fecha
Pajonal 1
30
25 Medidos
Precipitación (mm)
20
15
10
0
ene-04 may-05 oct-06 feb-08 jul-09 nov-10
Fecha
Pajonal 2
35
30
Rellenados Medidos
Precipitación (mm)
25
20
15
10
0
ene-04 may-05 oct-06 feb-08 jul-09 nov-10
Fecha
Figura 8.6. Precipitación del pluvíografo Pajonal 2
Marianza
25
Rellenados Medidos
20
Precipitación (mm)
15
10
0
ene-04 may-05 oct-06 feb-08 jul-09 nov-10
Fecha
Pinos
40
35 Medidos
Precipitación (mm)
30
25
20
15
10
5
0
ene-04 may-05 oct-06 feb-08 jul-09 nov-10
Fecha
Chontamarca
30
25
Temperatura ºC
20
15
10
Fecha
Marianza
16
T. Max T. Min Rellenados
14
12
Temperatura ºC
10
8
6
4
2
0
ene-04 may-05 oct-06 feb-08 jul-09 nov-10
Fecha
Chontamarca
1000
Medidos Rellenados
Radiación Solar (W/m2)
800
600
400
200
0
may-05 oct-06 feb-08 jul-09 nov-10
Fecha
Marianza
800
700
Radiación Solar (W/m2)
Rellenados Medidos
600
500
400
300
200
100
0
ene-04 may-05 oct-06 feb-08 jul-09 nov-10
Fecha
Chontamarca
20
Velocidad del viento (m/s)
Medidos Rellenados
15
10
0
may-05 oct-06 feb-08 jul-09 nov-10
Fecha
Marianza
3.5
Velocidad del viento (m/s)
2.5
2.0
1.5
1.0
0.5
0.0
ene-04 may-05 oct-06 feb-08 jul-09 nov-10
Fecha
Chontamarca
120
100
Humedad Relativa %
80
60
40
20 Medidos Rellenados
0
may-05 oct-06 feb-08 jul-09 nov-10
Fecha
Marianza
120
100
Humedad Relativa %
80
60
40
20
Rellenados Medidos
0
ene-04 may-05 oct-06 feb-08 jul-09 nov-10
Fecha